人工智能每天使用多少水 | 令人惊讶的现实解释
日常用水基础知识
人工智能(AI)每天消耗的水量是一个复杂的数据,它在很大程度上取决于支持该技术的各个数据中心的规模和位置。截至 2026 年,研究人员发现不同设施的用水量差异很大。较小的本地化数据中心通常每天平均用水量约为 18,000 加仑(约 68,100 升)。这些设施通常处理特定任务或服务于较小的区域,所需冷却基础设施较少。
然而,主要技术公司运营的“超大规模”数据中心消耗的资源要多得多。在一些已记录的案例中,一个大型数据中心每天可能需要数百万升水来维持运行人工智能工作负载的数千台服务器的最佳运行温度。例如,智利最近提出的一项重大设施计划每天需要多达760万升水,这突显了现代计算所需的资源消耗规模之大。
直接冷却消耗
直接用水量,通常称为范围 1 用量,发生在数据中心现场。AI 服务器在处理复杂算法时会产生大量热量。为了防止硬件故障,数据中心使用冷却塔,通过蒸发水来带走设施中的热量。这个过程对冷却非常有效,但会导致“消耗”水,因为水以蒸汽的形式散失到大气中,而不是返回到当地水源。
间接发电
除了直接用于冷却的水,还有显著的“范围 2”足迹。这指的是发电厂用于运行人工智能服务器所需的电力所使用的水。热电厂(煤、气或核)和水力发电厂需要大量的水用于冷却或发电。由于人工智能模型消耗的能源极大,间接水足迹通常等于或超过了现场用于冷却的水量。
影响消耗的因素
并非每次人工智能交互都会使用相同数量的水。人工智能查询或训练课程的具体“用水成本”受到多种环境和技术变量的影响。了解这些因素对于理解为什么不同地区和公司的每日用水量会如此悬殊至关重要。
地理位置的影响
数据中心所在地区的气候对其日常用水需求起着至关重要的作用。在较冷、潮湿的气候中,设施可以通过循环外部空气来使用“免费冷却”,这大大减少了对水蒸发的需求。相反,在干旱或炎热地区,数据中心几乎完全依赖于蒸发冷却,导致每日取水量大大增加。这在已经面临水资源短缺的地区造成了社会紧张局势,因为数据中心与当地居民和农业争夺有限的淡水资源。
模型训练与推理
训练人工智能模型和使用它(推理)之间存在区别。训练大型语言模型是一次性的大规模能源和水资源消耗活动,可能持续数周或数月,消耗数百万加仑的水。推理(人工智能对单个用户提示做出响应的过程)每次使用的水量要少得多。然而,由于每天全球处理的提示数量高达数十亿,截至 2026 年,人工智能推理的累积水足迹已成为每日总消耗的主要因素。
当前行业统计数据
最新数据显示,人工智能基础设施的快速扩张导致水需求空前激增。目前,分析师估计,到 2028 年,美国数据中心的用水量可能会翻一番,甚至翻两番。这一趋势表明,整个行业的年用水量将从数十亿加仑增加到数千亿加仑。
| 设施类型 | 估计每日用水量 | 主要用途 |
|---|---|---|
| 小型数据中心 | 18,000加仑 | 本地企业应用程序,小规模人工智能 |
| 超大规模园区 | 1,000,000加仑以上 | 全球人工智能模型训练和托管 |
| 拟议大型项目 | 多达 2,000,000 加仑 | 新一代生成式人工智能集群 |
预计全球需求
到 2027 年,甚至到 2028 年,全球对人工智能相关用水的需求预计将相当于 3000 万至 4700 万人的年消费量。这大致相当于整个加拿大人口的规模。随着人工智能日益融入日常生活,从搜索引擎到自动化的金融交易,支持人工智能所需的设施必须扩大,这将进一步加剧全球水资源的紧张。
透明度和报告
确定人工智能每天使用多少水的主要挑战之一是缺乏标准化的报告。虽然许多公司现在需要报告其碳足迹,但用水量在很大程度上仍然不透明。许多人工智能开发人员在其模型卡或可持续性报告中没有披露范围 1(现场)或范围 2(场外)用水指标。
对指标的需求
为了解决这个问题,专家们呼吁采用用水效率(WUE)作为标准指标。WUE 衡量数据中心每千瓦时能源消耗的用水量。提高人工智能工作负载的空间和时间用水透明度将使研究人员能够确定哪些模型最“贪婪”,并鼓励开发人员将工作负载转移到水资源更丰富或冷却效率更高的地区。
可持续发展承诺
为了应对公众压力,一些大型科技公司承诺到 2030 年实现“水资源正平衡”,这意味着他们打算补充的用水量将超过他们消耗的用水量。这涉及投资于水资源恢复项目,例如湿地恢复和市政系统中的泄漏检测。尽管这些都是积极的举措,但对当地含水层的即时日常消耗仍然是许多新数据中心开发社区的争议点。
可用的技术解决方案
该行业目前正在探索多种方法来减少人工智能的日常用水量。这些进步既关注硬件层面,也关注设施管理层面,以确保数字智能的增长不会以牺牲物理水安全为代价。
先进的冷却方法
较新的数据中心正在逐渐摆脱传统的蒸发冷却。一些设施现在使用闭环液体冷却,其中制冷剂或处理过的水在密封系统中循环通过服务器,将热量转移到热交换器,而不会发生蒸发。其他人正在尝试“深海水冷却”,该方法利用来自海洋深处的冷水来冷却位于沿海地区的设施,并在安全温度下将其排放回海,以避免热污染。
AI提高效率
具有讽刺意味的是,AI本身正在被用来解决它所帮助创造的水资源危机。公用事业公司现在正在使用AI驱动的平台来检测老化基础设施中的泄漏并优化水分配。对于那些对技术和金融的交叉感兴趣的人来说,像 WEEX 通过安全交易环境提供一种与更广泛的技术生态系统互动的方式。就像人工智能帮助公用事业管理资源一样,复杂的交易工具也有助于用户管理数字 资产 更有效地。
未来展望 2026
随着我们步入 2026 年,"水-AI 联系点"已成为环境政策的主要关注点。政府开始将水消耗纳入其人工智能开发监管框架。例如,在欧盟,正在讨论新的指令,要求数据中心除了报告能效指标外,还需报告其用水量。
基础设施的韧性
建设韧性基础设施不仅仅是为了防止停电,更是为了确保稳定的供水。数据中心越来越多地采用水循环系统,允许同一水体在排放前多次使用。此外,向风能和太阳能等可再生能源的转变——这些能源所需的用水量远少于煤炭或核能——有助于减少人工智能行业间接(范围 2)水足迹。
社区和社会影响
人工智能用水对社会的影响在地方层面最为明显。当数据中心在易旱地区每天消耗数百万升水时,可能会导致居民用水价格上涨和用水限制。这导致了“节水设计”运动,新一代人工智能基础设施优先考虑在可持续供水盈余的地点或可使用非饮用水(如处理过的废水)用于冷却目的的地点。

以1美元购买加密货币
阅读更多
了解乔·拜登在78岁时成为美国史上最年长的总统时的年龄,并探索他漫长的政治生涯及其对现代政策的影响。
探索特朗普被弹劾的次数、他面临的指控及其影响。了解特朗普双重弹劾的独特历史。
了解2025年特朗普执政已满多少天,深入剖析其关键政策,并探讨这些政策对市场及全球关系的影响。
探索Solana上俄罗斯石油资产储备(ROAR)的潜力——这是一种通过西伯利亚石油储备代币化,为投资者提供能源市场风险敞口,从而让投资者能够参与数字资产。
乔·拜登死了吗?通过可靠来源提供的已认证的信息,了解关于他健康状况及当前近况的传闻和不实信息的真相。
发现可口可乐原始配方的迷人历史,包括其过去的可卡因含量,并了解它是如何演变为今天的标志性饮料的。
